Az új mediate parancs kiterjeszti a Stata erőteljes oksági következtetési csomagját az oksági mediációs elemzés támogatására. Az oksági elemzés azonosítja és számszerűsíti az oksági hatásokat. Az ok-okozati mediációs elemzés szétválasztja őket. Ezek a hatások egy másik változó, egy mediátor révén közvetítettek?

Válasszon egyet a kimeneti és közvetítői modellek 23 kombinációja közül, beleértve a lineáris, logit és Poisson modelleket, hogy megbecsülje a teljes hatást, és azt közvetlen és közvetett (a közvetítőn keresztüli) hatásokra bontsa szét. Számítsa ki a kontrollált közvetlen hatásokat és a közvetített hatások arányát. A hatások átértékelése esély-, kockázati és előfordulási arányokká. A becsült hatások ábrázolása. Előrejelzések készítése. És még sok más.

. mediate (wellbeing, logit) (bonotonin, logit) (exercise)

Iteration 0:  EE criterion =  2.047e-17
Iteration 1:  EE criterion =  1.570e-32

Causal mediation analysis                                Number of obs = 2,000

Outcome model:     Logit
Mediator model:    Logit
Mediator variable: bonotonin
Treatment type:    Binary

Robust

Coefficient std. err. z P>|z| [95% conf. interval]

.1130778 .0287055 3.94 0.000 .056816 .1693397

.1457939 .0357194 4.08 0.000 .0757851 .2158027

.2588717 .0213767 12.11 0.000 .2169742 .3007692

Note: Outcome equation includes treatment–mediator interaction.

A becsült teljes hatás (TE) 0,26. Mivel eredményváltozónk bináris, ezt a hatást valószínűségi skálán mérjük. Ezt a hatást úgy értelmezzük, mint egy átlagos kezelési hatást: ha a populáció minden egyes tagja sportolna, akkor a valószínűségi skálán 0,26 ponttal nőne a magasabb jóllét valószínűsége ahhoz képest, mintha senki sem sportolna.

A táblázatban szereplő többi eredmény a természetes közvetett hatás (NIE) és a természetes közvetlen hatás (NDE) becslései. A NIE azt mutatja meg, hogy a testmozgás milyen mértékben befolyásolja a jóllétet a bonotonin termelésén keresztül. Az NDE a testmozgás jóllétre gyakorolt hatását a bonotonintól eltérő mechanizmusokon keresztül ragadja meg. Itt a 0,11-es NIE azt jelenti, hogy a magasabb jóllét valószínűségének 0,11-es növekedése a testmozgás bonotonin-termelésen keresztül kifejtett hatásának köszönhető. Az NDE alapján pedig a 0,15-ös növekedés más mechanizmusoknak köszönhető.

A fentiekben a valószínűségi skálán becsült hatásokat kockázati különbségként értelmezzük. Ha akarnánk, kockázatarányként vagy esélyhányadosként is értelmezhetnénk őket. Az esélyhányadosok kiszámításához például az estat vagy a postestimation parancsot használjuk:

. estat or
estat or requires potential-outcome means; refitting model ...

Transformed treatment effects                            Number of obs = 2,000

Robust

Odds ratio std. err. z P>|z| [95% conf. interval]

1.575108 .1827157 3.92 0.000 1.254785 1.977204

1.87189 .2785201 4.21 0.000 1.398393 2.505713

2.948429 .2768771 11.51 0.000 2.452772 3.544249

A teljes hatás 2,95-ös esélyhányadosnak felel meg, amely ebben az esetben a közvetlen és közvetett hatás esélyhányadosainak szorzata. A kockázati arányok kiszámításához használhattuk az estat rr-t, és ha Poisson-modellt illesztettünk volna a kimenetelre, akkor az estat irr-t használhattuk volna az előfordulási arányok kiszámításához.

A kontrollált közvetlen hatásokat (CDE) az estat cde segítségével is megbecsülhetjük. Például érdekelhet bennünket a közvetlen hatás azon kontrafaktuális feltételezés mellett, hogy vagy a populáció minden egyedénél emelkedik a bonotoninszint, vagy senkinél sem. Ehhez az estat cde-t mvalue(0 1) opcióval adjuk meg, hogy megbecsüljük a kezelés átlagos kontrollált közvetlen hatását a (bináris) közvetítő bonotonin 0 vagy 1 értékkel:

. estat cde, mvalue(0 1)

Controlled direct effect                                 Number of obs = 2,000

Mediator variable: bonotonin
Mediator values:
  1._at: bonotonin = 0
  2._at: bonotonin = 1

Delta-method

CDE std. err. z P>|z| [95% conf. interval]

.1391299 .039573 3.52 0.000 .0615682 .2166916

.200756 .0505278 3.97 0.000 .1017234 .2997887

A testmozgás közvetlen hatása a jóllét növekedésére 0,14 a valószínűségi skálán, ha senki sem tapasztalja a bonotoninszint növekedését, és láthatjuk, hogy a hatás 0,2, ha a populációban mindenki tapasztalná a bonotoninszint növekedését.

Ismétlem, ha ezeket a hatásokat kockázati arányokban vagy esélyhányadosokban akarnánk kifejezni, akkor használhatjuk az rr vagy vagy lehetőségeket. Itt az or opciót használjuk a kontrollált közvetlen hatások esélyhányados-skálán történő becsléséhez:

. estat cde, mvalue(0 1) or

Controlled direct effect                                 Number of obs = 2,000

Mediator variable: bonotonin
Mediator values:
  1._at: bonotonin = 0
  2._at: bonotonin = 1

Delta-method

Odds ratio std. err. z P>|z| [95% conf. interval]

1.835771 .3049524 3.66 0.000 1.325621 2.542244

2.257759 .4785054 3.84 0.000 1.490306 3.420422

Végezetül, érdekelhet bennünket, hogy a közvetítés mértékét számmal jelezzük. A közvetített arány kiszámításához használhatjuk az estat arányt:

. estat proportion

Proportion mediated                                      Number of obs = 2,000

Robust

Proportion std. err. z P>|z| [95% conf. interval]

.4368103 .1164639 3.75 0.000 .2085453 .6650752

A becsült arány a valószínűségi skála hatásbecslésein alapul. A közvetett hatás a teljes hatás 44%-át teszi ki.